"The Effectiveness of Virtual Reality and Augmented Reality in the Management of Chronic Musculoskeletal Disorders: A Systematic Review" (Preprint)
Notice bibliographique
Résumé
BACKGROUND Chronic musculoskeletal disorders (CMDs), such as osteoarthritis, rheumatoid arthritis, and chronic lower back pain, are leading causes of disability and pose significant health and economic burdens worldwide. Traditional rehabilitation methods, including physical therapy and pharmacological treatments, often face challenges related to patient adherence and long-term effectiveness. Emerging technologies like virtual reality (VR) and augmented reality (AR) have been proposed as innovative rehabilitation tools to enhance patient engagement, reduce pain, and improve mobility. OBJECTIVE This systematic review evaluates the effectiveness of VR and AR in managing CMDs, focusing on their impact on pain relief, functional mobility, psychological well-being, and long-term rehabilitation outcomes. METHODS : A systematic search was conducted in PubMed, PEDro, Cochrane, and Scopus for randomized controlled trials (RCTs) investigating VR or AR interventions in CMD rehabilitation. The inclusion criteria were adult patients with CMDs, VR/AR-based interventions, and validated outcome measures assessing pain, kinesiophobia, disability, balance, or depression. Studies were evaluated for quality using the PEDro scale and the Downs and Black checklist RESULTS From 388 identified studies, 8 RCTs met the inclusion criteria, comprising 621 participants aged 18-75 years. The PEDro scale yielded an average study quality score of 6.75/10, with two studies classified as "excellent" (9/10), four as "good" (6-7/10), and one as "fair" (4/10). VR interventions significantly reduced pain intensity in CMD patients, with studies reporting improvements on the Visual Analog Scale (VAS) and the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC). AR-based rehabilitation demonstrated faster recovery times and enhanced functional mobility in post-surgical patients. Psychological benefits, including reduced anxiety and increased motivation, were also observed, particularly in immersive VR environments. However, methodological heterogeneity across studies limited direct comparisons, and no study directly compared AR and VR effectiveness. CONCLUSIONS VR and AR offer promising alternatives to conventional rehabilitation for CMDs, demonstrating benefits in pain management, functional recovery, and psychological well-being. However, long-term effectiveness, cost-efficiency, and ethical considerations regarding data privacy remain underexplored. Future research should focus on conducting meta-analyses, long-term follow-ups, cost-effectiveness evaluations, and ethical framework development to facilitate clinical integration. With continued advancements, VR and AR have the potential to revolutionize musculoskeletal rehabilitation by providing personalized, engaging, and scalable treatment options. CLINICALTRIAL The a priori protocol for the review is published in the International Prospective Register of Systematic Reviews (PROSPERO): CRD42024589007.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».